CPU와 GPU
어려운 수학 문제를 혼자 척척 푸는 천재 교수와, 간단한 덧셈 수만 개를 동시에 나눠 푸는 초등학생 수천 명의 팀워크예요.
정의 CPU는 컴퓨터의 두뇌로서 복잡하고 다양한 명령을 순서대로 빠르게 처리하는 중앙 처리 장치예요. 반면 GPU는 수천 개의 작은 계산기가 모여 단순하고 반복적인 계산을 동시에 한꺼번에 처리하는 그래픽 처리 장치예요.
천재 교수 1명과 초등학생 수천 명의 차이
컴퓨터 속에서 CPU와 GPU는 일하는 방식이 완전히 달라요. CPU는 소수의 뛰어난 일꾼들로 이루어져 있어요. 복잡한 논리 판단이나 프로그램 실행처럼 단계별로 깊이 생각해야 하는 일에 아주 강하죠. 한 번에 하나씩 문제를 해결하는 직렬 처리 방식을 사용해요.
반대로 GPU는 성능이 단순한 일꾼 수천 명이 모여 있는 구조예요. 미적분 같은 어려운 문제는 못 풀지만, 1 더하기 1 같은 쉬운 계산은 눈 깜짝할 사이에 수만 개를 끝내요. 수많은 데이터를 동시에 나눠서 푸는 병렬 처리 방식에 특화되어 있거든요.
만약 고난도 수식 10개를 순서대로 풀어야 한다면 CPU가 훨씬 빨라요. 하지만 쉬운 덧셈 10만 개를 1초 만에 끝내야 한다면 수천 명이 달려드는 GPU가 압도적으로 빠를 수밖에 없어요.
화면 그리기에서 인공지능까지, GPU의 대활약
GPU는 원래 모니터에 게임 화면이나 3D 그래픽을 띄우기 위해 태어났어요. 화면은 수백만 개의 점(픽셀)으로 이루어져 있는데, 각 점의 색깔과 밝기를 계산하는 일은 아주 단순한 연산의 반복이거든요. 수천 개의 코어가 픽셀을 하나씩 맡아 동시에 화면을 그리는 일에 딱 맞았던 거예요.
그런데 최근 인공지능(AI) 혁명이 터지면서 GPU의 몸값이 치솟았어요. 딥러닝 같은 인공지능 학습도 알고 보면 거대한 숫자 덩어리(행렬)를 끊임없이 곱하고 더하는 작업이거든요. 고도의 추론보다는 엄청난 양의 단순 계산을 쏟아부어야 하는 작업이에요.
결국 그래픽을 빠르게 그리려고 만든 일꾼들이 인공지능의 방대한 데이터 학습에도 완벽하게 들어맞으면서, GPU는 오늘날 인공지능 발전의 핵심 엔진으로 우뚝 서게 되었어요.
조금 더 정확히 말하면: 둘은 경쟁자가 아닌 단짝
CPU와 GPU 중 누가 더 뛰어난지 겨루는 것은 의미가 없어요. 둘은 서로 잘하는 분야가 완전히 달라서, 컴퓨터 안에서 완벽한 호흡을 맞추며 일하거든요. 컴퓨터의 지휘관은 여전히 CPU예요.
운영체제를 돌리고, 마우스 클릭을 감지하고, 어떤 프로그램을 실행할지 판단하는 전체적인 관리는 모두 CPU가 맡아요. 그러다 게임 그래픽 연산이나 AI 모델 계산처럼 무거운 대규모 연산이 필요해지면 GPU에게 작업 덩어리를 위임하죠.
조금 더 정확히 말하면, GPU는 독립적으로 컴퓨터를 켤 수도 없어요. CPU라는 든든한 사령탑이 전체 작업을 통제하고 길을 열어주어야만 GPU가 비로소 제 성능을 발휘할 수 있는 상호 보완적인 관계예요.
🤔 흔한 오해
GPU가 좋으면 CPU가 안 좋아도 컴퓨터가 무조건 빨라진다.
GPU가 아무리 뛰어나도 전체 작업을 지휘하고 데이터를 전달하는 CPU가 느리면, GPU가 일거리를 받지 못해 멈춰 서는 '병목 현상'이 일어나요.
GPU는 CPU보다 모든 면에서 앞선 상위 부품이다.
GPU는 대량의 단순 계산에만 특화되어 있어요. 프로그램 제어나 복잡한 논리 계산 등 컴퓨터의 핵심 작업은 여전히 CPU만 수행할 수 있어요.
🧺 일상에서 만나요
CPU는 복잡한 일을 순서대로 지휘하는 두뇌이고, GPU는 단순한 대량 계산을 동시에 처리하는 일꾼이에요.